TECHNICKÁ UNIVERZITA V KOŠICIACH. MULTIDIMENZIONÁLNE SPRACOVANIE DÁT Zadanie z predmetu Manažérske informačné systémy

Transcription

1 TECHNICKÁ UNIVERZITA V KOŠICIACH FAKULTA ELEKTROTECHNIKY A INFORMATIKY KATEDRA KYBERNETIKY A UMELEJ INTELIGENCIE MULTIDIMENZIONÁLNE SPRACOVANIE DÁT Zadanie z predmetu Manažérske informačné systémy 2014/2015 Hospodárska informatika Bc. Simona Polačková Bc. Michal Vadovský Bc. Eva Vidová

2 Obsah Zoznam obrázkov... 3 Zoznam tabuliek... 6 Úvod Popis a analýza dát Vytvorenie relačnej databázy Namodelovanie relačnej databázy Vytvorenie a naplnenie relačnej databázy Vytvorenie tabuliek Naplnenie tabuliek dátami Vytvorenie multidimenzionálnej kocky Vytvorenie dimenzií Vytvorenie dátovej kocky Namapovanie dátovej kocky Nahratie dát do dátovej kocky Analýza dátovej kocky Analýza prostredníctvom programu Analytic Workspace Manager Analýza prostredníctvom doplnku v MS Excel Konfigurácia doplnku OracleBI v MS Excel Analýzy v doplnku OracleBI v MS Excel Analýza prostredníctvom Oracle Discoverer Oracle Discoverer Administrator Oracle Discoverer Desktop Záver... 62

3 Zoznam obrázkov Obr. 1 Vloženie novej tabuľky Obr. 2 Nastavenie názvu tabuľky Obr. 3 Vloženie stĺpca do tabuľky Obr. 4 Vytvorenie primárneho kľúča tabuľky Obr. 5 Vytvorenie a nastavenie vlastností stĺpcov v tabuľkách Obr. 6 Vytvorená tabuľka Z_MIESTO PREDAJA Obr. 7 Priradenie cudzieho kľúča k primárnemu Obr. 8 Konečný model databázy Obr. 9 Vytvorenie SQL skriptu Obr. 10 Vygenerovaný SQL skript v novom okne Obr. 11 Pripojenie v Oracle SQL Developer Obr. 12 Vytvorenie tabuliek spustením skriptu Obr. 13 Vytvorené tabuľky Obr. 14 Prázdna tabuľka Z_DATUM Obr. 15 Import dát Obr. 16 Výber súboru pre naplnenie Obr. 17 Náhľad naplnenej tabuľky Obr. 18 Nastavenie metódy importu a limitu riadkov Obr. 19 Výber stĺpcov Obr. 20 Nastavenie stĺpcov Obr. 21 Záverečná kontrola importu dát Obr. 22 Zobrazenie naplnenej tabuľky Z_DATUM Obr. 23 Vytvorenie nového analytického priestoru Obr. 24 Vytvorenie dimenzií Obr. 25 Pomenovanie vytvorenej dimenzie Obr. 26 Vytváranie levelov Obr. 27 Vytvorenie konkrétneho levelu Obr. 28 Vytváranie hierarchie Obr. 29 Vytvorenie konkrétnej hierarchie a jej nastavenia Obr. 30 Vytvorenie dátovej kocky Obr. 31 Vytvorenie konkrétnej dátovej kocky a jej nastavenia Obr. 32 Vytvorenie nového faktu Obr. 33 Vytvorenie konkrétneho nového faktu ZD_CENA

4 Obr. 34 Namapovanie dimenzie ZD_MIESTO_PREDAJA Obr. 35 Namapovanie dimenzie ZD_DATUM Obr. 36 Namapovanie dimenzie ZD_NEHNUTELNOST Obr. 37 Namapovanie dimenzie ZD_ROZLOHA_NEHNUTEL Obr. 38 Namapovanie dimenzie ZD_VEK_NEHNUTELNOSTI Obr. 39 Namapovanie dátovej kocky ZD_KOCKA Obr. 40 Nahratie dát do dátovej kocky Obr. 41 Nahratie dát do dátovej kocky Obr. 42 Úspešné naplnenie dátovej kocky dátami Obr. 43 Zobrazenie dát v multidimenzionálnej kocke Obr. 44 Spustenie analýzy v AWM Obr. 45 Graf analýzy dvojgeneračných domov v jednotlivých štvrtiach podľa veku i veľkosti Obr. 46 Graf predaných starších stredne veľkých skladov Obr. 47 Panel nástrojov Oracle BI v prostredí MS Office Obr. 48 Vytvorenie pripojenia na databázu Obr. 49 Pripojenie na databázu Obr. 50 Krok 1: výber zobrazovaných dát Obr. 51 Krok 2: definovanie rozloženia dát Obr. 52 Krok 3-7: výber prvkov dimenzie Obr. 53 Zmena dopytu Obr. 54 Porovnanie predaja skladov v jednotlivých mestách Obr. 57 Rozloženie predaja nehnuteľností v Manhattane Obr. 58 Rozloženie predaja nehnuteľností v Queense Obr. 59 Rozloženie predaja nehnuteľností v Staten Island Obr. 56 Rozloženie predaja nehnuteľností v Brooklyne Obr. 55 Rozloženie predaja nehnuteľností v Bronxe Obr. 60 Prihlásenie sa do Oracle Discoverer Administrator Obr. 61 Výber užívateľa pre EUL Obr. 62 Vytvorenie novej Business Area Obr. 63 Výber užívateľa, s ktorého tabuľkami budeme pracovať Obr. 64 Výber relevantných tabuliek pre analýzu Obr. 65 Nastavenie agregačnej funkcie Obr. 66 Zadanie názvu nového prostredia Obr. 67 Náhľad vytvoreného prostredia Obr. 68 Pridelenie prístupu užívateľom

5 Obr. 69 Pridelenie práv užívateľom Obr. 70 Vytvorenie novej hierarchie Obr. 71 Definovanie hierarchie Z_MIESTO_PREDAJA Obr. 72 Zadanie názvu hierarchie Obr. 73 Náhľad vytvorených hierarchií Obr. 74 Prihlásenie sa do databázy Obr. 75 Krok 1: vytvorenie a zadefinovanie nového pracovného zošita Obr. 76 Krok 2: nastavenie pozorovaných dimenzií Obr. 77 Krok 3: nastavenie rozmiestnenia tabuľky Obr. 78 Krok 5: nastavenie zoradenia dát Obr. 79 Náhľad vytvorenej tabuľky Obr. 80 Porovnanie priemerných cien apartmánov s výťahom Obr. 81 Porovnanie priemerných cien apartmánov bez výťahu Obr. 82 Porovnania priemerných cien veľkých apartmánov s výťahom

6 Zoznam tabuliek Tab. 1 Výsek hlavnej tabuľky... 9 Tab. 2 Výsek tabuľky dátum... 9 Tab. 3 Výsek tabuľky miesto predaja Tab. 4 Výsek tabuľky nehnuteľnosti Tab. 5 Výsek tabuľky rozloha nehnuteľnosti Tab. 6 Výsek tabuľky vek nehnuteľnosti Tab. 7 Výsek tabuľky faktov

7 Úvod Cieľom tohto predkladaného zadania je práca s manažérskymi informačnými systémami. Pomocou nich vytvoríme a naplníme multidimenzionálnu dátovú kocku z nami definovaných dát, a následne vykonáme aj analýzy tejto dátovej kocky. Dosiahnutie tohto cieľa a s ním spojené procesy, budeme realizovať pomocou softvérových produktov od firmy Oracle. 7

8 1 Popis a analýza dát Prvotným krokom pri vytváraní zadania bolo nájdenie vhodných dát. Nájsť vhodné dáta, a hlavne v dostatočnom rozsahu, bol však trochu problém. Ale napokon sme také dáta, s pre nás vhodnou štruktúrou a objemom dát, ktorý sme dostali spojením piatich tabuliek do jednej hlavnej tabuľky, našli. Dáta, s ktorými sme na tomto zadaní pracovali, reprezentujú sledovanie predaja nehnuteľností rôznych kategórií v americkom štáte New York za jeden rok, od septembra 2013 do augusta Konkrétne ide o predaj nehnuteľností v jeho piatich mestách, a to Bronx, Brooklyn, Queens, Manhattan a Staten Island. Dátovú množinu o predaji nehnuteľností sme si stiahli z internetu, zo stránky Ministerstva financií štátu New York, vo forme piatich tabuliek. Z každej tabuľky sme vybrali približne záznamov, z ktorých sme vytvorili hlavnú tabuľku, potrebnú k ďalšiemu spracovaniu zadania. Hlavná tabuľka teda obsahuje záznamov, ktoré sú popísané nasledovne: NEIGHBORHOOD - obsahuje konkrétnu, bližšie určenú časť mesta - štvrť, BUILDING CLASS CATEGORY - typ nehnuteľnosti v 30 kategóriách, CITY - mesto v New York-u, ADDRESS - konkrétna adresa nehnuteľnosti, LAND SQUARE FEET - rozloha objektu uvedená v štvorcových stopách, YEAR BUILT - rok výstavby nehnuteľnosti, SALE PRICE - predajná cena nehnuteľnosti, SALE DATE - dátum predaja nehnuteľnosti. Štruktúra dát hlavnej tabuľky, a neskôr aj tabuliek dimenzií a tabuľky faktov, sú uvedené v nasledujúcich tabuľkách. 8

9 NEIGHBORHOOD BUILDING CLASS CATEGORY CITY ADDRESS LAND SQUARE FEET YEAR BUILT SALE PRICE SALE DATE ALPHABET CITY 07 RENTALS - WALKUP APARTMENTS Manhattan 504 EAST 12TH STREET $ TODT HILL 01 ONE FAMILY DWELLINGS Staten Island 135 MERRICK AVENUE $ ARDEN HEIGHTS 01 ONE FAMILY DWELLINGS Staten Island 667 ILYSSA WAY $ CHELSEA 10 COOPS - ELEVATOR APARTMENTS Manhattan 101 WEST 23RD STREET $ CHELSEA 30 WAREHOUSES Manhattan 455 WEST 19TH STREET $ CIVIC CENTER 22 STORE BUILDINGS Manhattan 351 BROADWAY $ CLINTON 08 RENTALS - ELEVATOR APARTMENTS Manhattan 569 NINTH AVENUE $ CLINTON 22 STORE BUILDINGS Manhattan 424 WEST 55TH STREET $ ARDEN HEIGHTS 01 ONE FAMILY DWELLINGS Staten Island 117 EAST 7TH STREET $ Tab. 1 Výsek hlavnej tabuľky Hlavná tabuľka však nebola vhodná na priame spracovanie, bolo preto potrebné ju upraviť. Rozdelili sme si ju na 4 tabuľky dimenzií a 1 tabuľku faktov. Tabuľky dimenzií boli rozdelené podľa typu dát, pričom každému záznamu v jednotlivej tabuľke bol priradený aj unikátny kľúč (ID). Následne sme vytvorili tabuľku faktov z hlavnej tabuľky. V tejto tabuľke sme uviedli náš sledovaný fakt, ktorým bola cena, pričom ďalšie záznamy boli nahradené cudzími kľúčmi, ktoré odkazovali na unikátne kľúče z tabuliek dimenzií. DATUM_ID DATUM MESIAC KVARTAL ROK Q Q Q Q Q Q Q Q Q Tab. 2 Výsek tabuľky dátum 9

10 MIESTO_PREDAJA_ID MESTO STVRT 1 Queens AIRPORT LA GUARDIA 2 Manhattan ALPHABET CITY 3 Staten Island ANNADALE 4 Staten Island ARDEN HEIGHTS 5 Staten Island ARROCHAR 6 Staten Island ARROCHAR-SHORE ACRES 7 Queens ARVERNE 8 Queens ASTORIA 9 Brooklyn BATH BEACH Tab. 3 Výsek tabuľky miesto predaja NEHNUTELNOST_ID TYP_NEHNUTELNOSTI 1 01 ONE FAMILY DWELLINGS 2 02 TWO FAMILY DWELLINGS 3 03 THREE FAMILY DWELLINGS 4 05 TAX CLASS 1 VACANT LAND 5 06 TAX CLASS 1 - OTHER 6 07 RENTALS - WALKUP APARTMENTS 7 08 RENTALS - ELEVATOR APARTMENTS 8 09 COOPS - WALKUP APARTMENTS 9 10 COOPS - ELEVATOR APARTMENTS Tab. 4 Výsek tabuľky nehnuteľnosti ROZLOHA_NEHNUTELNOSTI_ID ROZLOHA NEHNUTELNOST_PODLA_ROZLOHY mala_nehnutelnost mala_nehnutelnost mala_nehnutelnost mala_nehnutelnost mala_nehnutelnost mala_nehnutelnost mala_nehnutelnost mala_nehnutelnost mala_nehnutelnost Tab. 5 Výsek tabuľky rozloha nehnuteľnosti 10

11 VEK_NEHNUTELNOSTI_ID ROK NEHNUTELNOST_PODLA_VEKU_STAVBY stara_stavba stara_stavba stara_stavba stara_stavba stara_stavba stara_stavba stara_stavba stara_stavba stara_stavba Tab. 6 Výsek tabuľky vek nehnuteľnosti CENA_ID CENA FK_DATUM _ID FK_VEK_NEHNUTELNOSTI _ID FK_ROZLOHA_NEHNUTELNOSTI_ ID FK_MIESTO_PREDAJA _ID FK_NEHNUTELNOST _ID 1 $ $ $ $ $ $ $ $ $ Tab. 7 Výsek tabuľky faktov 11

12 2 Vytvorenie relačnej databázy Aby sme vytvorili relačnú databázu, potrebujeme si najprv vytvoriť jej štruktúru. Túto štruktúru sme vytvárali pomocou programu DataModeler. V tejto štruktúre sme postupne definovali jednotlivé tabuľky a ich vzťahy medzi nimi pomocou primárnych a cudzích kľúčov. Neskôr, na základe vygenerovaného SQL skriptu, sme túto databázu naplnili potrebnými dátami v SQL Developeri. 2.1 Namodelovanie relačnej databázy DataModeler je softvér, pomocou ktorého vieme namodelovať relačnú databázu. Výsledkom toho sú definované tabuľky databázy a ich vzťahy medzi nimi, teda jej štruktúra. Dokážeme taktiež vygenerovať zdrojový kód SQL, pomocou ktorého neskôr, reálne v SQL Developer, tieto tabuľky a vzťahy vytvoríme. Potom databázu už len naplníme dátami. Na začiatku si v DataModeleri potrebujeme vytvoriť tabuľky predstavujúce naše dimenzie a jednu tabuľku faktov, ktorá predstavuje náš merateľný fakt. Na hornej lište v programe klikneme na znak zobrazujúci tabuľku, a potom sa preklikneme do pracovnej plochy, pričom sa nám zobrazí nové dialógové okno. Obr. 1 Vloženie novej tabuľky V novom dialógovom okne nastavíme vlastnosti tabuľky. Konkrétne si to ukážeme na tabuľke Z_MIESTO_PREDAJA. Táto tabuľka nám definuje, v ktorom 12

13 meste a miestnej štvrti sa nehnuteľnosť predala. V záložke General nastavíme názov tabuľky - Name. Obr. 2 Nastavenie názvu tabuľky Ak máme nastavený názov tabuľky, preklikneme sa do záložky Columns. V tejto časti definujeme jednotlivé stĺpce a ich vlastnosti. Pre pridanie stĺpca do tabuľky klikneme na zelené plus (+). Obr. 3 Vloženie stĺpca do tabuľky 13

14 V časti Name nastavíme názov stĺpca. Potom si zvolíme dátový typ Logical a vyberieme si zo zoznamu typ na základe toho, aký potrebujeme. Posledné, čo potrebujeme nastaviť je, či sa jedná o primárny kľúč PK alebo nie. V našom zadaní sme všetkým stĺpcom v tabuľke nastavili dátový typ Logical a konkrétny typ Varchar o veľkosti Size 50. Jedine stĺpce predstavujúce primárne kľúče sme definovali ako Integer. Pri týchto stĺpcoch nesmieme zabudnúť zaškrtnúť políčko PK. Každá tabuľka má len jeden primárny kľúč. Ukážeme si to na konkrétnom príklade, keď sme vytvárali stĺpce pre tabuľku Z_MIESTO_PREDAJA. Na nasledujúcom obrázku vidíme vytvorenie primárneho kľúča tabuľky MIESTO_PREDAJA_ID a jeho nastavenia. Obr. 4 Vytvorenie primárneho kľúča tabuľky Ostatné stĺpce tabuľky sme pridali pomocou zeleného plus a nastavili im potrebné vlastnosti. Nesmieme zabudnúť, že tu už PK nezaškrtávame, lebo nejde o ďalšie primárne kľúče. 14

15 Obr. 5 Vytvorenie a nastavenie vlastností stĺpcov v tabuľkách V Details vidíme definované všetky stĺpce danej tabuľky: primárny kľúč MIESTO_PREDAJA_ID, a stĺpce ŠTVRŤ a MESTO. Po vytvorení všetkých stĺpcov tabuľky a ich nastavení, stlačíme tlačidlo Apply, potvrdíme OK a tabuľka sa nám vytvorí. Obr. 6 Vytvorená tabuľka Z_MIESTO PREDAJA Podobným spôsobom si vytvoríme aj ostatné tabuľky: Z_DATUM so stĺpcami: PK DATUM_ID, DATUM, MESIAC, KVARTAL, ROK, Z_NEHNUTELNOST so stĺpcami: PK NEHNUTELNOST_ID, TYP_NEHNUTELNOSTI, Z_VEK_NEHNUTELNOSTI so stĺpcami: PK VEK_NEHNUTELNOSTI_ID, ROK, NEHNUTELNOSTI_PODLA_VEKU_STAVBY, 15

16 Z_ROZLOHA_NEHNUTEL so stĺpcami: PK ROZLOHA_NEHNUTEL_ID, ROZLOHA, NEHNUTELNOST_PODLA_ROZLOHY. Tabuľka faktov Z_CENA: Táto tabuľka sa líši od ostatných tým, že obsahuje i stĺpec, ktorý je pre nás veľmi dôležitý, a to merateľný fakt. V našom prípade ide o CENU, ktorej typ sme nastavili na Integer. Ostatné stĺpce tabuľky tvoria cudzie kľúče, ktoré nesú názvy našich dimenzií, aby sme potom vedeli medzi nimi vytvoriť jednoznačnú reláciu. Z_CENA so stĺpcami: PK CENA_ID, CENA, FK_DATUM_ID, FK_MIESTO_PREDAJA_ID, FK_NEHNUTELNOST_ID, FK_VEK_NEHNUTELNOSTI_ID, FK_ROZLOHA_NEHNUTEL_ID Po vytvorení všetkých tabuliek predstavujúcich dimenzie, i tabuľku faktov Z_CENA, môžeme prejsť k tvorbe relácií medzi nimi. Klikneme na New FK Relation na hornej lište. Následne klikneme na ľubovoľnú tabuľku dimenzie, a potom klikneme na tabuľku faktov. Takto sa nám vytvorí relácia, teda vzťah medzi nimi a vyskočí nám nové dialógové okno. V tomto okne v záložke Associated Columns je potrebné priradiť stĺpec, ktorý predstavuje cudzí kľúč v tabuľke faktov ku správnemu primárnemu kľúču danej tabuľky dimenzie. Napríklad, ako vidíme na obrázku nižšie, sme k primárnemu kľúču DATUM_ID z tabuľky dimenzie priradili cudzí kľúč FK_DATUM_ID z tabuľky faktov. Potvrdíme tlačidlom Apply a potom i OK. Obr. 7 Priradenie cudzieho kľúča k primárnemu 16

17 Po vytvorení všetkých relácií medzi tabuľkami dimenzií a tabuľkou faktu, nám vznikne úplná štruktúra relačnej databázy. Teda sme vytvorili model našej databázy. Obr. 8 Konečný model databázy Ak máme vytvorený konečný model našej databázy, môžeme prejsť k vygenerovaniu SQL skriptu. Označíme si všetky tabuľky a väzby medzi nimi, a po kliknutí pravým tlačidlom myši vyberieme možnosť DDL Preview. Obr. 9 Vytvorenie SQL skriptu DDL Preview nám vygeneruje SQL skript, ktorý sa nám zobrazí v novom okne. Tento skript neskôr použijeme na vytvorenie samotnej databázy. 17

18 Obr. 10 Vygenerovaný SQL skript v novom okne Celý zdrojový kód SQL skriptu si môžeme pozrieť tu: CREATE TABLE Z_CENA ( CENA_ID INTEGER NOT NULL, CENA FLOAT, FK_DATUM_ID INTEGER NOT NULL, FK_MIESTO_PREDAJA_ID INTEGER NOT NULL, FK_NEHNUTELNOST_ID INTEGER NOT NULL, FK_VEK_NEHNUTELNOSTI_ID INTEGER NOT NULL, FK_ROZLOHA_NEHNUTEL_ID INTEGER NOT NULL ) ; ALTER TABLE Z_CENA ADD CONSTRAINT Z_CENA_PK PRIMARY KEY ( CENA_ID ) ; CREATE TABLE Z_DATUM ( DATUM_ID INTEGER NOT NULL, DATUM VARCHAR2 (50), MESIAC VARCHAR2 (50), KVARTAL VARCHAR2 (50), ROK VARCHAR2 (50) ) ; ALTER TABLE Z_DATUM ADD CONSTRAINT Z_DATUM_PK PRIMARY KEY 18

19 ( DATUM_ID ) ; CREATE TABLE Z_MIESTO_PREDAJA ( MIESTO_PREDAJA_ID INTEGER NOT NULL, STVRT VARCHAR2 (50), MESTO VARCHAR2 (50) ) ; ALTER TABLE Z_MIESTO_PREDAJA ADD CONSTRAINT Z_MIESTO_PREDAJA_PK PRIMARY KEY ( MIESTO_PREDAJA_ID ) ; CREATE TABLE Z_NEHNUTELNOST ( NEHNUTELNOST_ID INTEGER NOT NULL, TYP_NEHNUTELNOSTI VARCHAR2 (50) ) ; ALTER TABLE Z_NEHNUTELNOST ADD CONSTRAINT Z_NEHNUTELNOST_PK PRIMARY KEY ( NEHNUTELNOST_ID ) ; CREATE TABLE Z_ROZLOHA_NEHNUTEL ( ROZLOHA_NEHNUTEL_ID INTEGER NOT NULL, ROZLOHA VARCHAR2 (50), NEHNUTELNOST_PODLA_ROZLOHY VARCHAR2 (50) ) ; ALTER TABLE Z_ROZLOHA_NEHNUTEL ADD CONSTRAINT Z_ROZLOHA_NEHNUTEL_PK PRIMARY KEY ( ROZLOHA_NEHNUTEL_ID ) ; CREATE TABLE Z_VEK_NEHNUTELNOSTI ( VEK_NEHNUTELNOSTI_ID INTEGER NOT NULL, 19

20 ROK VARCHAR2 (50), NEHNUTELNOST_PODLA_VEKU_STAVBY VARCHAR2 (50) ) ; ALTER TABLE Z_VEK_NEHNUTELNOSTI ADD CONSTRAINT Z_VEK_NEHNUTELNOSTI_PK PRIMARY KEY ( VEK_NEHNUTELNOSTI_ID ) ; ALTER TABLE Z_CENA ADD CONSTRAINT Z_CENA_Z_DATUM_FK FOREIGN KEY ( FK_DATUM_ID ) REFERENCES Z_DATUM ( DATUM_ID ) ; ALTER TABLE Z_CENA ADD CONSTRAINT Z_CENA_Z_MIESTO_PREDAJA_FK FOREIGN KEY ( FK_MIESTO_PREDAJA_ID ) REFERENCES Z_MIESTO_PREDAJA ( MIESTO_PREDAJA_ID ) ; ALTER TABLE Z_CENA ADD CONSTRAINT Z_CENA_Z_NEHNUTELNOST_FK FOREIGN KEY ( FK_NEHNUTELNOST_ID ) REFERENCES Z_NEHNUTELNOST ( NEHNUTELNOST_ID ) ; ALTER TABLE Z_CENA ADD CONSTRAINT Z_CENA_Z_ROZLOHA_NEHNUTEL_FK FOREIGN KEY ( 20

21 FK_ROZLOHA_NEHNUTEL_ID ) REFERENCES Z_ROZLOHA_NEHNUTEL ( ROZLOHA_NEHNUTEL_ID ) ; ALTER TABLE Z_CENA ADD CONSTRAINT Z_CENA_Z_VEK_NEHNUTELNOSTI_FK FOREIGN KEY ( FK_VEK_NEHNUTELNOSTI_ID ) REFERENCES Z_VEK_NEHNUTELNOSTI ( VEK_NEHNUTELNOSTI_ID ) ; 2.2 Vytvorenie a naplnenie relačnej databázy Pre vytvorenie a naplnenie relačnej databázy použijeme program Oracle SQL Developer, pomocou ktorého dokážeme naše tabuľky vytvoriť a následne ich aj naplniť dátami. V prípade potreby zmien, nám Oracle SQL Developer umožňuje aj upravovať už vytvorené tabuľky. Po spustení programu Oracle SQL Developer vidíme na ľavej strane spojenia, ktoré má užívateľ vytvorené. Ak sa tam žiadne spojenie nenachádza, je potrebné ho vytvoriť kliknutím na New Connection. V našom prípade už máme vytvorené spojenie MIS, na ktorom bude spustená naša databáza. Po dvojkliku na názov databázy (MIS) sa nám zobrazí okno s vyplneným prihlasovacím menom (v našom prípade vadovsky), pričom je ešte potrebné vyplniť heslo. 21

22 Obr. 11 Pripojenie v Oracle SQL Developer Vytvorenie tabuliek Po úspešnom pripojení skopírujeme do otvoreného okna skript, ktorý sme si vygenerovali v DataModeleri. Po skopírovaní ho spustíme kliknutím na Run Script alebo pomocou tlačidla F5. Obr. 12 Vytvorenie tabuliek spustením skriptu Ak nám vygenerovaný skript zbehol úspešne, vytvoria sa nám tabuľky, ktoré si môžeme prezrieť na ľavej strane po rozkliknutí záložky Tables. Ak sa nám tabuľky 22

23 hneď po spustení skriptu neukazujú, je potrebné stlačiť tlačidlo Refresh alebo sa opätovne prihlásiť. V našom prípade sa vytvorili tabuľky Z_CENA (tabuľka faktov), Z_DATUM, Z_MIESTO_PREDAJA, Z_NEHNUTELNOST, Z_ROZLOHA_NEHNUTEL a Z_VEK_NEHNUTELNOSTI. Obr. 13 Vytvorené tabuľky Ak klikneme na ľubovoľnú vytvorenú tabuľku, vidíme, že sú prázdne. Môžeme si to všimnúť napríklad na tabuľke Z_DATUM. Prázdne tabuľky naplníme dátami v nasledujúcom kroku. Obr. 14 Prázdna tabuľka Z_DATUM 23

24 2.2.2 Naplnenie tabuliek dátami Tabuľky dokážeme naplniť v programe Oracle SQL Developer veľmi jednoducho. Klikneme na danú tabuľku pravým tlačidlom a vyberieme Import Data. Obr. 15 Import dát Následne sa nám zobrazí okno, v ktorom môžeme prehľadávať priečinky v našom počítači. Nájdeme si naše tabuľky uložené vo formáte XLS (môže byť aj CSV) a vyberieme takú tabuľku, pre ktorú sme vybrali naplnenie (import) dát. Obr. 16 Výber súboru pre naplnenie 24

25 Po otvorení súboru sa nám zobrazí nové okno, v ktorom môžeme vidieť ukážku naplnenej tabuľky. Ak naše tabuľky v XLS súbore obsahujú aj hlavičku s názvami stĺpcov, tak zaškrtneme položku Header. V opačnom prípade, keď naše tabuľky neobsahujú názvy jednotlivých stĺpcov (atribútov), položku Header nechávame nezaškrtnutú. Môžeme ešte zvoliť formát súboru, v ktorom sú naše tabuľky uložené. V našom prípade položku Header zaškrtávame a formát súboru dávame XLS. Pre pokračovanie naplnenia tabuliek klikneme Ďalej. Obr. 17 Náhľad naplnenej tabuľky V nasledujúcom kroku zvolíme iba metódu naplnenia tabuliek a v prípade, ak by sme chceli zvoliť len určitý počet riadkov na naplnenie tabuľky, tak zaškrtneme Row Limit a zadáme počet, koľko riadkov sa má vybrať. Pre našu tabuľku chceme vybrať pre naplnenie všetky riadky, čiže Row Limit nezaškrtávame. Pokračujeme kliknutím na tlačidlo Ďalej. 25

26 Obr. 18 Nastavenie metódy importu a limitu riadkov Ďalej je potrebné vybrať stĺpce, ktoré chceme importovať do tabuľky. Ak chceme vybrať všetky stĺpce, klikneme na dvojitú šípku a presunú sa nám všetky stĺpce. Keby sme chceli nejaký stĺpec vynechať, tak použijeme jednoduchú šípku a presunieme postupne po jednom každý vybraný stĺpec. Ten stĺpec, ktorý nechceme vybrať, necháme na ľavej strane. V našom zadaní vyberieme všetky stĺpce pomocou dvojitej šípky a pokračujeme tlačidlom Ďalej. Obr. 19 Výber stĺpcov 26

27 Po vybratí stĺpcov sa nám zobrazí nové okno s ich názvami, v ktorom môžeme vykonať posledné úpravy. V tabuľke Source Data Columns (naľavo) máme vybrané stĺpce a vpravo Target Table Columns je nastavenie zvoleného stĺpca. Je potrebné si prejsť každý jeden stĺpec a skontrolovať, či má priradené správne meno (mená sa musia rovnať), aby sa do jednotlivého stĺpca nenačítali zlé hodnoty. V prípade potreby, je možné zmeniť aj formát určitých stĺpcov. Pokračujeme stlačením Ďalej. Obr. 20 Nastavenie stĺpcov Na záver je ešte potrebné skontrolovať, či sa dáta načítali správne. Klikneme na tlačidlo Verify a ak všetko prebehlo v poriadku, zobrazí sa nám pri jednotlivých položkách Status SUCCESS. Ak by niečo nezbehlo úspešne, je potrebné si prekontrolovať nastavenia stĺpcov, napríklad či sedia dátové typy, mená a veľkosť stĺpcov alebo počty stĺpcov. Po úspešnej kontrole načítania dát klikneme na tlačidlo Dokončiť. 27

28 Obr. 21 Záverečná kontrola importu dát Aby sa nám načítané dáta úspešne zobrazili, je potrebné stlačiť tlačidlo Refresh. Úspešne načítané dáta si potom môžeme prezrieť po kliknutí na danú tabuľku v záložke Dáta. Na našom obrázku je zobrazená naplnená tabuľka Z_DATUM. Obr. 22 Zobrazenie naplnenej tabuľky Z_DATUM 28

29 Rovnakým spôsobom naplníme všetky tabuľky (v našom prípade Z_CENA (tabuľka faktov), Z_DATUM, Z_MIESTO_PREDAJA, Z_NEHNUTELNOST, Z_ROZLOHA_NEHNUTEL a Z_VEK_NEHNUTELNOSTI). Po naplnení všetkých tabuliek následne vytvoríme multidimenzionálnú kocku pomocou programu Analytic Workspace Manager (AWM). Postup vytvorenia celej dátovej kocky je popísaný v nasledujúcej kapitole. 29

30 3 Vytvorenie multidimenzionálnej kocky Na vytvorenie dátovej kocky z relačnej databázy použijeme program Analytic Workspace Manager (AWM). Umožňuje nám nielen vytvoriť dátovú kocku, ale vykonávať nad ňou i jednotlivé analýzy, ktoré si opíšeme neskôr. Na začiatku sa potrebujeme pripojiť k našej vytvorenej databáze. Po vytvorení spojenia na databázu, vytvoríme nový analytický priestor. Klikneme pravým tlačidlom myši na Analytic Workspace a potom na Create Analytic Workspace. Obr. 23 Vytvorenie nového analytického priestoru Nastavíme meno nášho nového priestoru, v našom prípade meno je ZADANIE a klikneme na Create. 3.1 Vytvorenie dimenzií V takomto novovytvorenom analytickom priestore ZADANIE sme ďalej potrebovali vytvoriť dimenzie. Jednotlivé dimenzie nám tvoria hrany kocky. Každá dimenzia je hierarchizovaná, čo znamená, že cez údaje môžeme prechádzať spôsobom roll up a roll down, teda smerom nahor a nadol. Po rozbalení uzlu ZADANIE klikneme pravým tlačidlom na Dimensions a dáme Create Dimension. 30

31 Obr. 24 Vytvorenie dimenzií Každej dimenzii nastavíme len jej názov, teda Name a dáme Create. My si to ukážeme na vytvorení dimenzie ZD_MIESTO_PREDAJA. Takýmto spôsobom vytvoríme všetky potrebné dimenzie. Obr. 25 Pomenovanie vytvorenej dimenzie Ako sme spomínali vyššie, každá dimenzia by mala byť hierarchizovaná, preto ďalším krokom bude vytvorenie jednotlivých levelov, čo sú vlastne stupne 31

32 hierarchizácie. Levely vytvoríme pravým kliknutím v danej dimenzii na Levels a Create Level. Obr. 26 Vytváranie levelov Takto každej dimenzii vytvoríme jej prislúchajúce levely, tak ako sme si ich navrhli už pri tvorbe štruktúry relačnej databázy. Pri leveloch nastavujeme len ich názvy a klikneme na tlačidlo Create. Obr. 27 Vytvorenie konkrétneho levelu Ak máme vytvorené levely, tak až potom môžeme vytvoriť konkrétnu hierarchiu danej dimenzie. Klikneme pravým tlačidlom myši na Hierarchies a potom na Create Hierarchy. 32

33 Obr. 28 Vytváranie hierarchie Pri každej hierarchií nastavujeme jej meno. Následne si vyberáme, ktoré levely z danej dimenzie by mala obsahovať a nastavíme ich hierarchické usporiadanie. Konkrétne si to môžeme ukázať na vytváraní hierarchie s názvom ZD_MIESTO_PREDAJA_H. Levely sme z Available Levels pomocou šípok preniesli vpravo do Selected Levels, kde sme ich usporiadali podľa logického charakteru dát (od najvyššej úrovne smerom k tej najnižšej). A nakoniec stlačíme tlačidlo Create, čím vytvoríme danú hierarchiu. Obr. 29 Vytvorenie konkrétnej hierarchie a jej nastavenia 33

34 Takýmto spôsobom vytvoríme a nastavíme každú jednú dimenziu. Taktiež jej vytvoríme levely a hierarchiu. 3.2 Vytvorenie dátovej kocky Keďže už máme vytvorené potrebné dimenzie, môžeme prejsť k vytvoreniu samotnej kocky. Kocka sa tvorí tak, že v danom analytickom priestore klikneme pravým na Cubes a dáme Create Cube. Obr. 30 Vytvorenie dátovej kocky Novovytvorenej kocke nastavíme názov ZD_KOCKA a vyberieme si z ponúknutých dimenzií tie, ktoré chceme aby sa nachádzali v kocke. Keďže my sme si nevytvárali žiadne nazvyš dimenzie, tak chceme pochopiteľne všetky. Prenesieme ich teda pomocou šípok z Available Dimensions do Selected Dimensions. Potom už len stlačíme Create. Obr. 31 Vytvorenie konkrétnej dátovej kocky a jej nastavenia 34

35 Po vytvorení kocky si ju rozbalíme, aby sme mohli vytvoriť nový fakt. V našom prípade ide o merateľný fakt CENA. Klikneme pravým na Measures a potom Create Measure. Obr. 32 Vytvorenie nového faktu Naším novým faktom je teda ZD_CENA. Vyplníme len meno a následne klikneme na Create. Obr. 33 Vytvorenie konkrétneho nového faktu ZD_CENA 3.3 Namapovanie dátovej kocky Mapovanie je veľmi dôležité, pretože každú dimenziu i samotnú kocku prepojíme spolu s tabuľkami plnými dát. Musíme ich teda namapovať na k ním prislúchajúce relačné zdroje. Každá dimenzia obsahuje vo svojom uzle Mappings. Po kliknutí naňho sa otvorí okno, kde postupne namapujeme jednotlivé levely konkrétnej dimenzie. V zobrazenej 35

36 stromovej štruktúre si vyberieme tabuľky, ktoré chceme namapovať, teda s ktorými chceme, aby bola naša kocka prepojená. Konkrétne si to podrobnejšie rozpíšeme pre namapovanie dimenzie ZD_MIESTO_PREDAJA. K danej dimenzii chceme namapovať tabuľku s názvom Z_MIESTO_PREDAJA. Po kliknutí na túto tabuľku v stromovej štruktúre sa nám zobrazia jej jednotlivé stĺpce. V pravej časti okna vidíme hierarchiu danej dimenzie v kocke. Mapujeme spôsobom zhora nadol, takže najprv k najvyšším častiam úrovne hierarchie priraďujeme stĺpce s rovnakým názvom, teda ich príslušné zdroje dát - do časti Member, Short Description i do Long Descriprion. Potom na tú najnižšiu úroveň, čo je u nás teraz ŠTVRŤ, do časti Member už namapujeme ID. Konkrétne pri tejto dimenzii to je MIESTO_PREDAJA_ID. Do ostatných častí, ako je Short a Long Description, však namapujeme ako pri iných úrovniach príslušné zdroje. Obr. 34 Namapovanie dimenzie ZD_MIESTO_PREDAJA Takto to opakujeme pri všetkých vytvorených dimenziách. Obr. 35 Namapovanie dimenzie ZD_DATUM 36

37 Obr. 36 Namapovanie dimenzie ZD_NEHNUTELNOST Obr. 37 Namapovanie dimenzie ZD_ROZLOHA_NEHNUTEL Obr. 38 Namapovanie dimenzie ZD_VEK_NEHNUTELNOSTI Podobným spôsobom namapujeme i samotnú dátovú kocku, ktorú spájame s príslušnými zdrojmi nachádzajúcimi sa v tabuľke faktov Z_CENA. Vidíme, že tabuľka Z_CENA obsahuje cudzie kľúče, ktoré musíme namapovať k najnižším úrovniam jednotlivých dimenzií. V našom zadaní sme napríklad FK_MIESTO_PREDAJA_ID namapovali k najnižšej úrovni - ZD_STVRT k nemu prislúchajúcej dimenzie - ZD_MIESTO_PREDAJA. Takto to spravíme so všetkými cudzími kľúčmi. K novému faktu ZD_CENA namapujeme merateľný fakt CENA. 37

38 Obr. 39 Namapovanie dátovej kocky ZD_KOCKA 3.4 Nahratie dát do dátovej kocky Ak už máme celú kocku namapovanú, môžeme do nej nahrať dáta. Klikneme pravým na náš analytický priestor ZADANIE a potom zvolíme Maintain Analytic Workspace ZADANIE. Obr. 40 Nahratie dát do dátovej kocky 38

39 Teraz si z Available Target Objects vyberieme čo chceme zahrnúť do nahrávania dát. Keďže my chceme zahrnúť všetko, tak to prenesieme pomocou dvojitej pravej šípky vpravo do Selected Target Objects a klikneme Dokončiť. Obr. 41 Nahratie dát do dátovej kocky Ak sme mali všetko nastavené správne, nahrajú sa nám dáta do kocky. Úspešné skončenie nahrávania je vtedy, ak nám vyskočí tabuľka Maintaince Completed. Obr. 42 Úspešné naplnenie dátovej kocky dátami 39

40 Keďže boli dáta úspešné nahraté do multidimenzionálnej kocky, môžeme si ju prezerať a analyzovať. Ak pravým tlačidlom myši klikneme na našu vytvorenú kocku ZD_KOCKA a vyberieme View Data ZD_KOCKA. Následne sa nám načítajú dáta kocky v podobe tabuliek a grafov, ktoré môžeme postupne analyzovať. Obr. 43 Zobrazenie dát v multidimenzionálnej kocke 40

41 4 Analýza dátovej kocky Nasledujúca kapitola popisuje analýzu vytvorenej multidimenzionálnej dátovej kocky prostredníctvom troch nástrojov spoločnosti Oracle, a to: Analytic Workspace Manager (AWM) - Measure Data Viewer, Microsoft Excel - rozširujúci doplnok Oracle Business Inteligence Spreadsheet Add-In, Oracle Business Inteligence Discoverer - aplikácia Discoverer Administrator a Discoverer Desktop. V programe AWM a v doplnku v MS Excel sme sledovali celkovú cenu predaných nehnuteľností, teda v ktorom meste sa predalo najviac domov na základe súčtu cien. V Oracle Discoverer sme sledovali priemernú cenu jednotlivých predaných nehnuteľností. 4.1 Analýza prostredníctvom programu Analytic Workspace Manager Analýzu prostredníctvom programu AWM sme vykonali v nástroji Measure Data Viewer, ktorý spustíme kliknutím pravého tlačidla na kocku a vyberieme možnosť View Data. Obr. 44 Spustenie analýzy v AWM 41

42 Po spustení sa otvorí nové okno nástroja Measure Data Viewer, ktoré je možné rozdeliť na dve časti, tabuľkovú a grafovú. V tabuľkovej časti je možné definovať a vytvárať rôzne pohľady na dátovú kocku posúvaním jednotlivých dimenzií po osiach. Následne je potom možné voliť si rôzne typy grafov pre lepšiu prehľadnosť v grafickej časti, nastavovať legendy, mriežku či efekt priechodu. Nasledujúci obrázok znázorňuje prvú analýzu, ktorú sme v programe AWM vykonali, a teda graf agregácie dát. Graf ponúka prehľad predaných dvojgeneračných domov (TWO FAMILY DWELLINGS) zoskupených podľa rozdelenia veku (stará, stredná, novostavba) a rozdelenia podľa rozlohy (malá, stredná, veľká) v jednotlivých mestách. nastavenia analýzy: o 1 fixná dimenzia - nehnuteľnosť -> TWO FAMILY DWELLINGS, o x-ová os - miesto predaja a dátum v rokoch, o y-ová os - vek a rozloha nehnuteľnosti, o typ grafu - 3D graf. Obr. 45 Graf analýzy dvojgeneračných domov v jednotlivých štvrtiach podľa veku i veľkosti Z tohto grafu je možné vyčítať, že najviac sa predávali staré stavby malej i strednej veľkosti v meste Queens, či už v roku 2013 alebo Môže byť tomu tak aj preto, že Queens je najväčším mestom štátu New York, a teda je logické, že sa tu bude predávať aj najviac nehnuteľností. 42

43 Druhá analýza znázorňuje predaj starších stredne veľkých skladov (STORE BUILDINGS) v jednotlivých mestách za jednotlivé kvartály, pričom môžeme vidieť, že najviac týchto skladov sa predalo opäť v meste Queens. nastavenia analýzy: o 3 fixné dimenzie - nehnuteľnosť -> STORE BUILDINGS, rozloha nehnuteľnosti -> stredná nehnuteľnosť, vek nehnuteľnosti -> stará stavba, o x-ová os - dátum v kvartáloch, o y-ová os - miesto predaja, o typ grafu - stĺpcový graf. Obr. 46 Graf predaných starších stredne veľkých skladov 4.2 Analýza prostredníctvom doplnku v MS Excel Konfigurácia doplnku OracleBI v MS Excel Aby bolo možné vykonať analýzy v programe MS Excel, je potrebné doinštalovať doplnok Oracle BI voľne dostupný pre užívateľov. Po jeho nainštalovaní sa tento doplnok s potrebnými nástrojmi na analýzu nachádza v hornej lište MS Excel. Obr. 47 Panel nástrojov Oracle BI v prostredí MS Office

44 Pri začatí vytvárania analýzy klikneme na ikonu Oracle BI: Nový dopyt, podľa obrázka vyššie. Otvorí sa nám nové okno, kde najprv, v Editore pripojenia, vytvoríme pripojenie na databázu. V našom prípade sme si vytvorili spojenie MIS, ktorého informácie o pripojení sú zobrazené na obrázku nižšie. Obr. 48 Vytvorenie pripojenia na databázu Po vytvorení pripojenia sa pripojíme na databázu príslušným prihlasovacím menom a heslom, tak ako u predchádzajúcich nástrojov. Obr. 49 Pripojenie na databázu Analýzy v doplnku OracleBI v MS Excel Po úspešnom prihlásení a pripojení sa otvorí Sprievodca dopytom OracleBI, pomocou ktorého môžeme definovať potrebné nastavenia pre analýzy. Nastavenie dopytu, a teda analýzy, pozostáva z niekoľkých krokov: 44

45 1. definujeme, ktoré dáta chceme do dopytu analýzy zahrnúť, v našom prípade sme si vybrali celú dátovú kocku, čiže ZD_CENA, 2. definujeme rozloženie dát, ktoré sa majú zobraziť v pracovnom hárku, definujeme dimenzie, ktoré chceme zahrnúť do zobrazenia, a obdobne definujeme aj všetky ostatné dimenzie. Obr. 50 Krok 1: výber zobrazovaných dát Obr. 51 Krok 2: definovanie rozloženia dát 45

46 Obr. 52 Krok 3-7: výber prvkov dimenzie Po zvolení aj ostatných dát, môžeme ukončiť sprievodcu. Výsledkom je vytvorená tabuľka s požadovaným dopytom dát, zobrazená v pracovnom prostredí MS Excel. Na základe vytvorenej tabuľky je následne možné vytvárať grafy, klasickým spôsobom MS Excel v záložke Vložiť. Ďalšie zmeny v dopyte je možné vykonať kliknutím na ikonu OracleBI: Upraviť dopyt, resp. pomocou filtra. Obr. 53 Zmena dopytu Po nami zvolenom zadefinovaní dopytu sme si v zobrazenej tabuľke označili oblasť dát, ktorú sme chceli graficky prezentovať. Následne sme vytvorili graf, ktorý znázorňuje porovnanie predaja skladov (STORE BUILDINGS) v jednotlivých mestách za oba roky. 46

47 nastavenia analýzy: o 3 fixné dimenzie - vek nehnuteľnosti -> stará stavba, rozloha nehnuteľnosti -> stredná nehnuteľnosť, nehnuteľnosť -> STORE BUILDINGS, o x-ová os - miesto predaja, o y-ová os - dátum v rokoch, o typ grafu - skladaný čiarový graf. Na základe grafu je možné konštatovať, že najviac skladov sa predalo v roku 2014, konkrétnejšie v mestách Queens a Bronx Predaj skladov Bronx + Brooklyn + Manhattan + Queens + Staten Island Obr. 54 Porovnanie predaja skladov v jednotlivých mestách Ako už bolo spomenuté vyššie, ak chceme dopyt zmeniť, je potrebné kliknúť na ikonu Upraviť dopyt v pracovnej lište doplnku OracleBI. Po nami vykonaných zmenách v dopyte, sme na nasledujúcich piatich grafoch znázornili analýzu rozloženia predaja jednotlivých nehnuteľností v každom meste štátu New York v roku nastavenia analýzy: o 3 fixné dimenzie - vek nehnuteľnosti -> stará stavba, rozloha nehnuteľnosti -> stredná nehnuteľnosť, dátum predaja -> 2013, o x-ová os - miesto predaja, o y-ová os- typ nehnuteľnosti, o typ grafu - koláčový graf. 47

48 RENTALS - WALKUP APARTMEN TS TAX CLASS 1 - OTHER THREE FAMILY DWELLING S RENTALS - ELEVATOR APARTME NTS Bronx O FAMILY DWELLING S WAREHOU SES RELIGIOUS FACILITIES ONE FAMILY DWELLING S RENTALS UNIT STORE BUILDINGS FACTORIES COMMERC IAL GARAGES OFFICE BUILDINGS Obr. 59 Rozloženie predaja nehnuteľností v Bronxe ONE FAMILY Brooklyn DWELLING S RENTALS UNIT RENTALS - WALKUP APARTME NTS 27 FACTORIES TWO FAMILY DWELLING S 21 OFFICE BUILDINGS Obr. 58 Rozloženie predaja nehnuteľností v Brooklyne RENTALS - ELEVATO R APARTME NTS Manhattan COMMER CIAL GARAGES 07 RENTALS - WALKUP APARTME NTS TWO FAMILY DWELLING S WAREHOU SES COMMERC IAL GARAGES 31 COMMERC IAL VACANT LAND FACTORIES STORE BUILDINGS OFFICE BUILDINGS Queens INDOOR PUBLIC AND CULTURAL FACILITIES RENTALS UNIT THREE FAMILY DWELLING S 41 TAX CLASS 4 - OTHER ONE FAMILY DWELLING S RENTALS - WALKUP APARTME NTS Obr. 55 Rozloženie predaja nehnuteľností v Manhattane Obr. 56 Rozloženie predaja nehnuteľností v Queense COMMERCI AL GARAGES FACTORIES STORE BUILDINGS OFFICE BUILDINGS EDUCATIO WAREHOU NAL SES FACILITIES Staten Island THREE FAMILY DWELLINGS TWO FAMILY DWELLINGS ONE FAMILY DWELLINGS RENTALS - WALKUP APARTMEN TS Obr. 57 Rozloženie predaja nehnuteľností v Staten Island 48

49 Z grafov je zrejmé, že najviac sa predávali obytné nehnuteľnosti, či už rodinné domy (dvojgeneračné alebo jednogeneračné) alebo apartmány (s výťahom alebo bez výťahu). Doplnok OracleBI v MS Excel je, podľa nášho názoru, taktiež veľmi vhodným nástrojom na vytváranie analýz, pretože MS Excel sám osebe ponúka viacero možností či už vo vytváraní grafov, alebo pri realizácií dodatočných výpočtov a operácií s údajmi. 4.3 Analýza prostredníctvom Oracle Discoverer Pre prácu s ďalším nástrojom na vykonávanie analýz, Oracle Business Intelligence Discoverer, je potrebné najprv si ho nainštalovať. Tento nástroj sa skladá z dvoch aplikácií, a to Oracle Discoverer Administrator a Oracle Discoverer Desktop Oracle Discoverer Administrator Oracle Discoverer Aministrator slúži na vytváranie, údržbu a správu dát v End User Layer (EUL) a umožňuje tiež definovať kto a ako môže pracovať s týmito dátami. Tak ako do predchádzajúcich dvoch nástrojov, aj tu je potrebné sa najprv prihlásiť. Obr. 60 Prihlásenie sa do Oracle Discoverer Administrator 49

50 Pri úplne prvom prihlásení musíme najprv vytvoriť EUL: Create an EUL..., čo sú metadáta o aktuálnych dátach v databáze, a teda tento krok je na začiatku potrebný pre samotnú prácu s Oracle Discoverer. Vyberieme existujúceho užívateľa, ktorému bude patriť vytvárané EUL, pomocou Select, pričom vo vyhľadávaní zadáme jeho meno. Zároveň ak chceme, aby k tejto EUL mali prístup aj ostatní užívatelia v databáze, zaškrtneme možnosť Grant access to PUBLIC a ukončíme sprievodcu kliknutím na Finish. Obr. 61 Výber užívateľa pre EUL V ďalšom kroku vytvoríme nové pracovné prostredie, Business Area, v ktorom sa budú nachádzať naše dáta: Create a new business area a pokračujeme tlačidlom Next. 50

51 Obr. 62 Vytvorenie novej Business Area V druhom kroku vyberieme užívateľa, ktorého dáta, teda tabuľky budeme používať, a pokračujeme tlačidlom Next. Obr. 63 Výber užívateľa, s ktorého tabuľkami budeme pracovať V treťom kroku si môžeme zvoliť, nad ktorými tabuľkami chceme robiť analýzu. My sme zvolili všetky tabuľky relevantné pre naše zadanie. 51

52 Obr. 64 Výber relevantných tabuliek pre analýzu Vo štvrtom kroku definujeme hierarchiu dátumu a defaultnú agregačnú funkciu pre sledovaný fakt, pričom v našom prípade sme si zvolili funkciu priemeru, teda AVG. Obr. 65 Nastavenie agregačnej funkcie V poslednom kroku už len zadáme názov prostredia, a ukončíme sprievodcu tlačidlom Finish. 52

53 Obr. 66 Zadanie názvu nového prostredia Po ukončení sprievodcu môžeme v pracovnom prostredí vidieť naše vytvorené prostredie s príslušnými dátovými položkami. Obr. 67 Náhľad vytvoreného prostredia Ďalším nastavením v Discoverer Administrator umožníme prístup ostatných, nami vybraných užívateľov, do nami vytvoreného prostredia: záložka Tools -> Security -> záložka Business Area->Users -> nájdeme a zvolíme užívateľov. 53

54 Obr. 68 Pridelenie prístupu užívateľom Taktiež môžeme prideliť aj práva na prácu v nami vytvorenom prostredí: záložka Tools -> Privileges -> cez Select vyhľadáme užívateľa a zaškrtneme mu príslušné práva. Obr. 69 Pridelenie práv užívateľom Následne teraz ešte musíme vytvoriť hierarchie: záložka Hierarchies -> pravým tlačidlom na požadované prostredie -> New Hierarchy a v novootvorenom okne zvolíme Item Hierarchy. 54

55 Obr. 70 Vytvorenie novej hierarchie Hierarchie je potrebné vytvárať pre každú dimenziu zvlášť, avšak radenie úrovní hierarchie je rovnaké ako pri hierarchiách v AWM. Na nasledujúcich obrázkoch je vytvorenie hierarchie pre dimenziu Z_MIESTO_PREDAJA. Obr. 71 Definovanie hierarchie Z_MIESTO_PREDAJA Posledným krokom pri vytváraní hierarchie je zadanie jej samotného názvu. Naša hierarchia má názov H_MIESTO_PREDAJA. Po zadaní názvu môžeme ukončiť sprievodcu tlačidlom Finish. 55

56 Obr. 72 Zadanie názvu hierarchie Po vytvorení a zadefinovaní aj ostaných hierarchií, ich môžeme vidieť v pracovnom prostredí Discoverer Administrator. Obr. 73 Náhľad vytvorených hierarchií Oracle Discoverer Desktop Druhým nástrojom potrebným k vytvoreniu analýzy je Oracle Discoverer Desktop, ktorý umožňuje už samotné vytváranie dopytov, teda analýz a následne aj grafov. Prvým krokom je opäť prihlásenie sa do databázy príslušným menom a heslom. 56

57 Obr. 74 Prihlásenie sa do databázy V ďalšom kroku, v Sprievodcovi vytvorením zošita, si najprv vytvoríme nový pracovný zošit a zadefinujeme spôsob, akým chceme zobraziť naše dáta. My sme si zvolili klasickú tabuľku -> Table. Obr. 75 Krok 1: vytvorenie a zadefinovanie nového pracovného zošita V druhom kroku si vyberieme fakt, zodpovedajúci pre danú analýzu, a taktiež aj dimenzie prislúchajúce tomuto faktu, ktoré chceme zahrnúť do analýzy. 57

58 Obr. 76 Krok 2: nastavenie pozorovaných dimenzií V treťom kroku si nastavíme rozloženie tabuľky analýzy, teda rozmiestnenie stĺpcov podľa potreby. Obr. 77 Krok 3: nastavenie rozmiestnenia tabuľky Štvrtý krok preskočíme a v piatom kroku môžeme nastaviť triedenie údajov a ich zoradenie. My sme si zoradili náš sledovaný fakt vzostupne. Následne môžeme sprievodcu ukončiť tlačidlo Dokončiť. 58

59 Obr. 78 Krok 5: nastavenie zoradenia dát Výsledkom predchádzajúcich krokov je vytvorená tabuľka v pracovnom prostredí nástroja Oracle Discoverer Desktop. Obr. 79 Náhľad vytvorenej tabuľky Teraz už môžeme vytvárať grafy v záložke Graph alebo cez ikonu v hornej lište so symbolom grafu podľa obrázka vyššie. Ako prvú analýzu sme si zvolili porovnanie priemerných cien apartmánov s výťahom a bez výťahu podľa ich veľkosti za jednotlivé kvartály. nastavenia analýzy: o 3 fixné dimenzie - mesto -> všetko, typ nehnuteľnosti -> RENTALS WALKUP APARTMENTS, resp. RENTALS ELEVATOR APARTMENTS, vek stavby -> všetko, 59

60 o x-ová os - rozloha nehnuteľnosti, o y-ová os - dátum predaja v kvartáloch, o typ grafu - vodorovný stĺpcový graf. Obr. 80 Porovnanie priemerných cien apartmánov s výťahom Obr. 81 Porovnanie priemerných cien apartmánov bez výťahu Z grafov a aj z logického hľadiska vyplýva, že najväčšiu priemernú cenu majú veľké apartmány, a zároveň porovnaním týchto dvoch grafov, väčšia priemerná cena sa pohybuje u apartmánov s výťahom. Nasledujúca analýza znázorňuje porovnanie cien veľkých apartmánov s výťahom (RENTALS ELEVATOR APARTMENTS) v roku 2013 v jednotlivých mestách, vzhľadom aj k ich maximálnej cene. 60

61 nastavenia analýzy: o 4 fixné dimenzie - dátum predaja -> 2013, typ nehnuteľnosti -> Rentals elevator apartments, vek stavby -> stredná stavba, rozloha nehnuteľnosti -> veľká nehnuteľnosť, o x-ová os - miesto predaja, o y-ová os - predajná cena, o typ grafu - pareto. Obr. 82 Porovnania priemerných cien veľkých apartmánov s výťahom Na základe tohto grafu môžeme dôjsť k tomu, že najväčšia priemerná cena veľkých apartmánov s výťahom sa pohybuje v meste Manhattan. Môže tomu byť aj z toho dôvodu, že Manhattan sa považuje za najbohatšie mesto New Yorku. 61

62 Záver Vypracovaním tohto zadania sme si rozšírili svoje poznatky a vyskúšali prácu v nástrojoch od firmy Oracle, pomocou ktorých sme sa snažili vytvoriť, naplniť a nakoniec aj analyzovať multidimenzionálnu dátovú kocku, na nami vybranej množine dát, týkajúcej sa predaja nehnuteľností v meste New York. Najskôr sme vytvorili dátový model pomocou programu DataModeler, následne sme tento model využili na naplnenie tabuliek v SQL Developeri. V ďalšom kroku sme vytvorili a naplnili dátovú kocku v programe Analytic Workspace Manager. Nakoniec sme vykonali spolu šesť analýz v troch nástrojoch, v spomínanom nástroji Analytic Workspace Manager, doplnku Oracle Business Inteligence v MS Excel, a v nástroji Oracle Discoverer. Veríme, že cieľ, ktorý sme si v úvode zadania určili, sme splnili. 62